申请/专利权人:恒玄科技(上海)股份有限公司
申请日:2023-12-29
公开(公告)日:2024-04-02
公开(公告)号:CN117807476A
主分类号:G06F18/24
分类号:G06F18/24;G06F18/214;G06F18/21;G06F18/213;G06F18/10;G06N3/04;G06N3/08;G06F18/2131
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明提供一种行为活动分类方法、系统、设备及介质,包括:通过采集人员进行行为活动时的传感器信号数据,并利用深度学习网络对不同行为活动进行分类,并且在活动分类训练过程中,在交叉熵损失的基础上又叠加了中心损失,并设计了启发式方式更新加权系数,将两种损失函数加权相加在一起,使两种损失能够均衡主导并进行后续的梯度更新,从而提高活动分类准确率。本发明可以只记录用户的运动数据,不会涉及商业机密或个人身份信息等敏感数据,能够更好地保护用户隐私,不会泄露用户个人身份信息等敏感数据。而且可以实时感知和捕捉到用户的动作和姿态变化,减少了中间环节的干扰,提高活动分类效率,降低了活动分类成本,增强了可靠性和适应性。
主权项:1.一种行为活动分类方法,其特征在于,所述方法包括以下步骤:获取第一目标人员进行行为活动时的原始传感器信号数据;对所述原始传感器信号数据进行预处理,并将完成预处理后的传感器信号数据作为原始数据集;其中,所述预处理包括去噪、加窗;按照预设比例或随机比例对所述原始数据集进行数据划分,将所述原始数据集分为训练数据集、验证数据集和测试数据集;将所述训练数据集和所述验证数据集输入到深度学习网络中进行活动分类训练,并通过中心损失和交叉熵损失进行叠加计算数据验证集总损失,以及在所述数据验证集损失停止减小时,结束活动分类训练,输出活动分类训练模型;将所述测试数据集输入至所述活动分类训练模型中进行测试评估,并在测试评估结果满足预设条件时,将所述活动分类训练模型作为活动分类应用模型,部署至预先或实时确定的行为活动分类设备中,以通过所述活动分类应用模型对所述第二目标人员进行活动分类。
全文数据:
权利要求:
百度查询: 恒玄科技(上海)股份有限公司 一种行为活动分类方法、系统、设备及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。